[发明专利]一种主站调度系统后台画面图像的动态识别方法

权利要求书

1.一种主站调度系统后台画面图像的动态识别方法，其特征在于，包括以下步骤：

步骤100、获取后台画面图像，将所述后台画面图像传入骨干卷积神经网络中提取特征激活图，将所述特征激活图作为输入图像信息的原始特征数据；

步骤200、采用数据增广策略，对所述原始特征数据增加原始特征数据，训练样本的多样性，获取训练样本的数据连续帧；使用1×1的二维卷积对输入的数据连续帧进行降维，获取数据帧数，根据所述数据帧数设计特征谱流；

步骤300、计算相邻的所述数据帧数之间的特征谱流，获取融合特征，对运动建模及提取短时运动特征；

步骤400、基于所述短时运动特征，采用数据交换策略模拟长时运动特征，获取动态图像；

所述步骤100包括：

步骤101、使用ResNet50网络作为骨干卷积网络，从最后一个卷积层中提取数据特征点，得到特征激活图；其中，是特征激活图的通道数量，和分别是特征激活图空间尺寸的高度和宽度；

步骤102、选定所述特征激活图，沿竖直方向将所述特征激活图平均地划分为部分，获得水平特征激活图区域；其中，表示图片中物体水平区域划分的区域数量；

步骤103、将全局平均特征分别应用于每一个水平特征激活图区域上，得到个局部特征，每个局部特征表示为一个通道数为Ｃ的特征向量；

步骤104、使用个局部特征区域的特征向量监督全局特征，获取全部原始特征数据。

2.根据权利要求1所述的一种主站调度系统后台画面图像的动态识别方法，其特征在于，所述步骤103还包括：

根据所述特征向量检测识别原始特征数据，通过多个卷积层和池化层形成特征图，采用数据增广策略，对输出的特征图增加原始特征数据，训练样本的多样性。

3.根据权利要求2所述的一种主站调度系统后台画面图像的动态识别方法，其特征在于，所述步骤200包括：

对所述训练样本在空间分支网络上，使用1×1的二维卷积的方法对单帧图像提取空域特征；

在时间分支网络上，先通过帧序列计算得到特征谱流，随后对特征谱流进行二维卷积，在每个卷积层之后，对两分支的数据进行数据交换。

4.根据权利要求3所述的一种主站调度系统后台画面图像的动态识别方法，其特征在于，所述数据交换包括：

将时间分支网络卷积层得到的特征谱加在空间分支网络上，将空间分支网络的结果用于计算下一个特征谱流，将两分支在最后一层进行特征融合，确定图像特征谱。

5.根据权利要求4所述的一种主站调度系统后台画面图像的动态识别方法，其特征在于，在步骤200中，根据所述数据帧数设计特征谱流，表达式为：

其中、、、代表的是第帧、第t+1帧、第t+30帧、第帧卷积得到的时间分支特征谱，、是第帧、第t+31帧得到的时间分支特征谱空间卷积的结果，是计算得到的特征谱流。

6.根据权利要求5所述的一种主站调度系统后台画面图像的动态识别方法，其特征在于，所述步骤300包括：

将对应的特征谱流使用二维卷积对两分支的主干网络进行特征提取，对特征谱和特征谱流进行反复的二维卷积，并计算相邻数据帧数之间特征谱流的融合特征。

7.根据权利要求6所述的一种主站调度系统后台画面图像的动态识别方法，其特征在于，所述步骤300包括：

步骤301、对时间分支特征谱做空间全局池化，得到特征谱尺寸为T×1×1×D的运动形态特征；其中表示输入时间分支特征谱的时间长度，1表示每帧的宽和高，是每帧图像的通道数；

步骤302、使用1×1×1的卷积核对通道数进行缩小，再使用一个1×1×1的卷积核对通道数进行放大获取通道间的相关性；

步骤303、使用 Sigmoid 函数对时间分支特征谱进行归一化，得到运动形态融合特征，所述融合特征的表达式为：

其中和为两个1×1×1的卷积核，为空间全局平均池化层，表示Sigmoid函数的系数。